Compartir a través de


Agregar una vista del origen de datos para datos del centro de llamadas (Tutorial intermedio de minería de datos)

 

Se aplica a: SQL Server 2016 Preview

En esta tarea, agregará una vista del origen de datos que se usará para tener acceso a los datos del centro de llamadas. Se usarán los mismos datos para crear tanto el modelo de red neuronal inicial para la exploración como el modelo de regresión logístico que se empleará para hacer las recomendaciones.

También usará el Diseñador de vistas del origen de datos para agregar una columna para el día de la semana. Esto se debe a que, aunque los datos de origen hacen el seguimiento de los datos del centro de llamadas de por fechas, su experiencia indica que hay patrones que se repiten en términos de volumen de llamadas y calidad del servicio, dependiendo de si el día es un fin de semana o un día de la semana.

Procedimientos

Para agregar una vista del origen de datos

  1. En el Explorador de soluciones, haga clic en vistas del origen de datos, y seleccione nueva vista del origen de datos.

    Se abrirá el Asistente para vistas del origen de datos.

  2. En la página Asistente para vistas del origen de datos, haga clic en Siguiente.

  3. En la Seleccionar un origen de datos página orígenes de datos relacionales, seleccione el Adventure Works DW Multidimensional 2012 origen de datos. Si no tiene este origen de datos, consulte Tutorial básico de minería de datos. Haga clic en Siguiente.

  4. En la Seleccionar tablas y vistas seleccione la tabla siguiente y, a continuación, haga clic en la flecha derecha para agregarlo a la vista del origen de datos:

    • FactCallCenter (dbo)

    • DimDate

  5. Haga clic en Siguiente.

  6. En la completar el Asistente para página, de forma predeterminada, la vista del origen de datos se denomina Adventure Works DW Multidimensional 2012. Cambie el nombre a CallCenter, y, a continuación, haga clic en Finalizar.

    Se abre el Diseñador de vistas del origen de datos para mostrar la CallCenter vista del origen de datos.

  7. Haga clic en el panel de vista de origen de datos y seleccione Agregar o quitar tablas. Seleccione la tabla DimDate y haga clic en Aceptar.

    Se debe agregar automáticamente una relación entre la DateKey columnas de cada tabla. Utilizará esta relación para obtener la columna EnglishDayNameOfWeek, desde el DimDate tabla y usar en el modelo.

  8. En el Diseñador de vista del origen de datos, haga clic en la tabla FactCallCenter, y seleccione nuevo cálculo con nombre.

    En la Crear cálculo con nombre cuadro de diálogo, escriba los siguientes valores:

    Nombre de columna DayOfWeek
    Description Obtiene el día de la semana en la tabla DimDate
    Expresión (SELECT EnglishDayNameOfWeek AS DayOfWeek FROM DimDate where FactCallCenter.DateKey = DimDate.DateKey)

    Para comprobar que la expresión crea los datos necesita, haga clic en la tabla FactCallCenter, y, a continuación, seleccione explorar datos.

  9. Dedique un minuto a revisar los datos disponibles, para entender cómo se usan en la minería de datos:

Nombre de columna Contiene
FactCallCenterID Una clave arbitraria que se creó cuando se importaron los datos al almacenamiento de datos.

Esta columna identifica los registros únicos y debe usarse como clave de caso para el modelo de minería de datos.
DateKey La fecha de la operación en el centro de llamadas, expresada como un entero. Las claves de fecha se usan a menudo en los almacenamientos de datos, pero puede que desee obtener la fecha con formato de fecha y hora si va a agrupar los valores por fecha.

Observe que las fechas no son únicas, ya que el proveedor facilita un informe independiente para cada turno de cada día de trabajo.
WageType Indica si el día es un día laborable, una semana o un día festivo.

Es posible que exista una diferencia en la calidad del servicio al cliente los fines de semana frente a los días laborables por lo que usará esta columna como entrada.
Shift Indica el turno para el que se registran las llamadas. Este centro de llamadas divide su jornada laboral en cuatro turnos: uno por la mañana (AM), dos por la tarde (PM1 y PM2) y uno por la noche (Midnight).

Es posible que el turno afecte a la calidad del servicio al cliente; por eso usará esto como entrada.
LevelOneOperators Indica el número de operadores de nivel 1 de servicio.

Los empleados de centro de llamadas comienzan en el nivel 1, de modo que estos empleados tienen menos experiencia.
LevelTwoOperators Indica el número de operadores de nivel 2 en servicio.

Un empleado debe llevar un número determinado de horas de servicio para ser calificada como un operador de nivel 2.
TotalOperators Número total de operadores presentes durante el turno.
Calls Número de llamadas recibidas durante el turno.
AutomaticResponses Número de llamadas procesadas por completo de forma automática (sistema de respuesta de voz interactiva o IVR).
Orders Número de pedidos resultantes de las llamadas.
IssuesRaised Número de incidencias que requieren seguimiento y que se generaron a través de llamadas.
AverageTimePerIssue Promedio de tiempo que se tarda en atender una llamada entrante.
ServiceGrade Una métrica que indica la calidad general del servicio, se mide como el tasa de abandono del turno completo. Cuanto más alta es la tasa de abandono, más probabilidades hay de que los clientes no estén satisfechos y de que se pierdan posibles pedidos.

Tenga en cuenta que los datos incluyen cuatro columnas diferentes que se basan en una sola columna de fecha: WageType, DayOfWeek, MAYÚS, y DateKey. Normalmente en la minería de datos no es aconsejable usar varias columnas derivadas de los mismos datos, ya que los valores están demasiado correlacionados entre sí y pueden ocultar otros patrones.

Sin embargo, no usaremos DateKey en el modelo porque contiene demasiados valores únicos. No hay ninguna relación directa entre MAYÚS y DayOfWeek, y WageType y DayOfWeek solo están parcialmente relacionados. Si le preocupa que los datos sean colineales, podría crear la estructura con todas las columnas disponibles y, a continuación, omitir varias columnas en cada modelo y probar el efecto.

Siguiente tarea de la lección

Crear una estructura de red neuronal y modelo ( Tutorial de minería de datos intermedios )

Vea también

Vistas del origen de datos en modelos multidimensionales